犯罪工具痕跡計(jì)算機(jī)分析系統(tǒng)識(shí)別技術(shù)的研究.pdf

1、模式識(shí)別是指對(duì)表征事物或現(xiàn)象的各種形式的信息進(jìn)行處理和分析，以對(duì)事物或現(xiàn)象進(jìn)行描述、辨認(rèn)、分類和解釋的過程。它是信息科學(xué)和人工智能的重要組成部分，主要應(yīng)用于圖像分析與處理、語音識(shí)別、聲音分類、通信、計(jì)算機(jī)輔助診斷、數(shù)據(jù)挖掘等領(lǐng)域。針對(duì)目前公安部門一直沿用傳統(tǒng)的手印、足跡等識(shí)別手段，對(duì)工具痕跡的檢驗(yàn)鑒定能力不強(qiáng)，不能發(fā)揮工具痕跡在偵破工作中作用的現(xiàn)狀，提出了借助于計(jì)算機(jī)對(duì)工具痕跡圖像進(jìn)行特征提取和分類識(shí)別的方法。通過對(duì)犯罪工具痕跡圖像的紋

2、理研究，提取灰度共生矩陣、Tamura紋理特征，運(yùn)用基于BP神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)的多類模式分類方法分別對(duì)三種不同犯罪工具剪切鐵條的痕跡圖像進(jìn)行分類識(shí)別，通過實(shí)驗(yàn)驗(yàn)證了利用這兩種分類方法在犯罪工具痕跡分類中的可行性和適用性。 本文首先介紹圖像紋理的基本概念、特征、研究方法、應(yīng)用領(lǐng)域。針對(duì)痕跡圖像的特點(diǎn)，選取了灰度共生矩陣中的四種參數(shù)（能量、熵、慣性矩、局部平穩(wěn)性）和Tamura紋理特征中的三種參數(shù)（粗糙度、對(duì)比度、方向度）作為痕跡

3、圖像的紋理特征。利用這7個(gè)特征構(gòu)成非線性參量，提出了基于BP神經(jīng)網(wǎng)絡(luò)分類和基于支持向量機(jī)的痕跡圖像分類方法。在基于BP神經(jīng)網(wǎng)絡(luò)中，通過實(shí)驗(yàn)研究設(shè)置了學(xué)習(xí)速率基值、學(xué)習(xí)速率、動(dòng)量因子、迭代次數(shù)等參數(shù)。在基于支持向量機(jī)的多類模式分類器中，研究了訓(xùn)練類型、內(nèi)核類型、交叉驗(yàn)證優(yōu)化參數(shù)、預(yù)處理函數(shù)、編碼方案等參數(shù)選擇。 研究結(jié)果表明，通過合理地設(shè)置BP神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)分類器參數(shù)，可以利用痕跡圖像的痕跡紋理特征對(duì)犯罪工具痕跡圖像進(jìn)行分類